基于人工神经网络的在线设备状态监测系统的研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于人工神经网络的在线设备状态监测系统的研究

骆德汉, 郎文辉, 黄胜

文章导航 > 电子科技大学学报 > 1999 > 28(5): 527-532

骆德汉, 郎文辉, 黄胜. 基于人工神经网络的在线设备状态监测系统的研究[J]. 电子科技大学学报, 1999, 28(5): 527-532.

引用本文:

骆德汉, 郎文辉, 黄胜. 基于人工神经网络的在线设备状态监测系统的研究[J]. 电子科技大学学报, 1999, 28(5): 527-532.

Luo Dehan, Lan Wenhui, Huang Sheng. Development of an On-line Condition Monitoring System Based on Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 1999, 28(5): 527-532.

Citation:

Luo Dehan, Lan Wenhui, Huang Sheng. Development of an On-line Condition Monitoring System Based on Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 1999, 28(5): 527-532.

基于人工神经网络的在线设备状态监测系统的研究

1.
合肥经济技术学院机电系合肥 230052

作者简介:
骆德汉男 40岁博士副教授

中图分类号: TP18;TP306.3

Development of an On-line Condition Monitoring System Based on Neural Networks

1.
Dept. of Mechanical and Electrical Engineering,Hefei institute of Ecollomics and Technology Hefei 230052

摘要: 研究了基于人工神经网络在线设备状态监测系统,简要介绍了人工神经网络的基础理论,描述了基于人工神经网络在线设备状态监测系的结构和工作过程,给出该系统对卷烟机MK9-5的状态监测和故障诊断的结果。实验结果表明,将多层前馈人工种经网络用于设备在线状态监测具有较好的效果,并可对设备故障进行可靠诊断。
- 人工神经网络 /
- 在线状态监测 /
- 故障诊断 /
- 卷烟机MK9-5
Abstract: In this paper, the development of an on-line condition monitoring system is discussed based on the neural networks for MK9-5 cigarette machine. This paper gives an introduction of the basic background theory of artificial neural networks, and describes the structure of the condition monitoring system based on neural network. The application of neural network to actual condition monitoring task is also analyzed,concentrating on the work carried out at the MK9-5 cigarette machine.
- artificial neural networks /
- on-line condition monitoring /
- fault diagnosis /
- MK9-5 cigarette machine

[1]	巩彬, 安爱民, 石耀科, 杜先君. 一种基于IMODA自适应深度信念网络的复杂模拟电路故障诊断方法 . 电子科技大学学报, 2024, 53(): 1-18. doi: 10.12178/1001-0548.2023047
[2]	王磊, 孙志成, 王磊, 陈端兵, 蒋家玮. 基于DRSN-CW和LSTM的轴承故障诊断 . 电子科技大学学报, 2022, 51(6): 921-927. doi: 10.12178/1001-0548.2021385
[3]	李享, 黄洪钟, 黄鹏, 李彦锋. 基于动态贝叶斯网络的电源系统可靠性分析与故障诊断 . 电子科技大学学报, 2021, 50(4): 603-608. doi: 10.12178/1001-0548.2020416
[4]	杜娟, 刘志刚, 宋考平, 杨二龙. 基于卷积神经网络的抽油机故障诊断 . 电子科技大学学报, 2020, 49(5): 751-757. doi: 10.12178/1001-0548.2019205
[5]	胡旺, 张建, 陈维锋, 胡斌, 郭红梅. 基于神经网络的烈度衰减融合模型研究 . 电子科技大学学报, 2018, 47(2): 224-229. doi: 10.3969/j.issn.1001-0548.2018.02.010
[6]	邵继业, 谢昭灵, 杨瑞. 基于GA-PSO优化BP神经网络的压缩机气阀故障诊断 . 电子科技大学学报, 2018, 47(5): 781-787. doi: 10.3969/j.issn.1001-0548.2018.05.023
[7]	周启忠, 谢永乐, 毕东杰, 李西峰. 种模拟电路参数型故障诊断新方法 . 电子科技大学学报, 2017, 46(2): 386-391. doi: 10.3969/j.issn.1001-0548.2017.02.012
[8]	姜书艳, 罗刚, 夏登明, 李琦, 宋国明. 片上网络互连线延迟故障测试方法研究 . 电子科技大学学报, 2016, 45(4): 557-563. doi: 10.3969/j.issn.1001-0548.2016.04.008
[9]	闫涛, 赵文俊, 胡秀洁, 宋家友. 基于信息融合技术的航空电子设备故障诊断研究 . 电子科技大学学报, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
[10]	李旻, 咸卫明, 龙兵, 王厚军. 基于特征优选模拟电路故障诊断方法 . 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015
[11]	张健, 徐红兵, 王情. 多重分形谱在集成电路动态电流故障诊断中的应用 . 电子科技大学学报, 2011, 40(4): 544-548.
[12]	王玫, 王卓, 王杰. 回转类零件的人工神经网络工序选择方法研究 . 电子科技大学学报, 2010, 39(3): 470-475. doi: 10.3969/j.issn.1001-0548.2010.03.033
[13]	陈世杰, 连可, 王厚军. 采用多信号流图模型的雷达接收机故障诊断方法 . 电子科技大学学报, 2009, 38(1): 87-91.
[14]	雷霖, 代传龙, 王厚军, 赵旭. 粗糙集-神经网络集成的WSN节点故障诊断 . 电子科技大学学报, 2008, 37(4): 565-568.
[15]	杨俊华, 尚志恩, 吕锋. 基于布尔差分的数字逻辑电路故障诊断 . 电子科技大学学报, 2005, 34(4): 517-520.
[16]	刘建成, 蒋新华, 吴今培. 智能异构模型在电机故障诊断中的研究 . 电子科技大学学报, 2003, 32(2): 212-216.
[17]	冯兰君, 李建, 吕炳朝. 燃气轮机故障诊断专家系统的设计与实现 . 电子科技大学学报, 2000, 29(3): 278-281.
[18]	王厚军, 陈相富, 陈光. 基于总线观测的微机故障诊断专家系统研究 . 电子科技大学学报, 1998, 27(2): 161-165.
[19]	骆德汉. 一种ANN与ES功能互补的故障诊断方法 . 电子科技大学学报, 1998, 27(4): 421-426.
[20]	潘中良, 陈光. 模拟电路故障诊断的神经网络专家系统方法 . 电子科技大学学报, 1997, 26(4): 405-408.

WeChat

点击查看大图

计量

文章访问数: 3418
HTML全文浏览量: 112
PDF下载量: 67
被引次数: 0

基于人工神经网络的在线设备状态监测系统的研究

1. 合肥经济技术学院机电系合肥 230052

作者简介:
骆德汉男 40岁博士副教授

收稿日期: 1998-12-10
刊出日期: 1999-10-15

中图分类号: TP18;TP306.3

关键词:

摘要: 研究了基于人工神经网络在线设备状态监测系统,简要介绍了人工神经网络的基础理论,描述了基于人工神经网络在线设备状态监测系的结构和工作过程,给出该系统对卷烟机MK9-5的状态监测和故障诊断的结果。实验结果表明,将多层前馈人工种经网络用于设备在线状态监测具有较好的效果,并可对设备故障进行可靠诊断。

English Abstract

骆德汉, 郎文辉, 黄胜. 基于人工神经网络的在线设备状态监测系统的研究[J]. 电子科技大学学报, 1999, 28(5): 527-532.

引用本文:

骆德汉, 郎文辉, 黄胜. 基于人工神经网络的在线设备状态监测系统的研究[J]. 电子科技大学学报, 1999, 28(5): 527-532.

Luo Dehan, Lan Wenhui, Huang Sheng. Development of an On-line Condition Monitoring System Based on Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 1999, 28(5): 527-532.

Citation:

Luo Dehan, Lan Wenhui, Huang Sheng. Development of an On-line Condition Monitoring System Based on Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 1999, 28(5): 527-532.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发